Robotika dan AI fisik

ROBOTERA Membuka Pemesanan Tangan Robotik Tangkas XHAND 1 Pro-U

Orion Sato
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaCermin tangan Pro-U ROBOTERA meniru eksoskeleton DexUMI NVIDIA sehingga demonstrasi…
Lihat selengkapnya
  • Cermin tangan Pro-U ROBOTERA meniru eksoskeleton DexUMI NVIDIA sehingga demonstrasi manusia dipetakan langsung ke sendi robot.
  • GR00T 2 berhasil pada ketiga tugas bimanual sementara GR00T 1.7 dan π0.5 tidak menyelesaikan satu pun.
  • Perangkat keras penangkapan berlisensi terbuka yang dipasangkan dengan tangan komersial memungkinkan tim mengumpulkan data yang sadar gaya tanpa menempati robot.

ROBOTERA mengumumkan peluncuran komersial XHAND 1 Pro-U pada 16 November 2026, sekaligus membuka pemesanan untuk gelombang pertama sebanyak 40 unit tangan robotik tangkas berjari lima itu, menurut siaran peluncurannya.

Peluncuran ini menyusul penggunaan tangan dengan 16-degree-of-freedom tersebut dalam riset GR00T 2 NVIDIA, termasuk demonstrasi DexUMI yang dipaparkan Jim Fan di Conference on Robot Learning (CoRL). ROBOTERA menyasar tim riset, pengembang robotika, dan mitra industri yang mengembangkan manipulasi tangkas, pembelajaran robot, serta aplikasi robotika di dunia nyata.

Menyelaraskan Tangan Robot dengan Demonstrasi Manusia

ROBOTERA merancang Pro-U dengan mengacu pada eksoskeleton DexUMI dari NVIDIA GEAR Lab, perangkat yang dikenakan untuk merekam demonstrasi manusia tanpa memerlukan robot. Menurut perusahaan, sendi-sendi yang bersesuaian memetakan gerakan secara langsung antara eksoskeleton dan tangan robot, sehingga mengurangi kebutuhan untuk mengonversi gerakan lebih lanjut. Desain ulang ini juga menyesuaikan posisi ibu jari, sensor taktil di sisi telapak, dan artikulasi agar demonstrasi berlangsung alami serta mendukung beragam posisi menggenggam.

Buku putih GR00T 2 menyebutkan bahwa GEAR DexUMI meniru kinematika sendi, permukaan kontak, dudukan kamera pergelangan tangan, dan format data taktil XHAND1 Pro-U, dengan pemetaan satu banding satu ke sendi-sendi robot. Setiap unit GEAR DexUMI menggabungkan 15 enkoder magnetik untuk melacak sendi jari, kamera pergelangan tangan OAK, dan sensor di ujung jari untuk mengukur gaya normal dan geser. Dua unit dapat dikenakan bersamaan untuk merekam demonstrasi dengan kedua tangan.

Dari Demonstrasi hingga Eksekusi oleh Robot

Selama pengumpulan data, pengguna memanipulasi objek nyata secara langsung, sementara DexUMI merekam gerakan tangan, video dari kamera pergelangan tangan, dan gaya di ujung jari. Demonstrasi tersebut digunakan untuk pelatihan lanjutan GR00T 2, lalu keterampilan yang dipelajari dijalankan pada robot Tianji berlengan dua yang dilengkapi dua tangan XHAND1 Pro-U. Untuk ketiga tugas yang dievaluasi, pelatihan lanjutan hanya menggunakan demonstrasi dari perangkat yang dikenakan, tanpa teleoperasi khusus tugas atau data gerakan robot umum tambahan; tidak ada operator yang mengendalikan robot sasaran dari jarak jauh selama pengumpulan data.

Rekaman gaya juga digunakan untuk membentuk kendali. NVIDIA mengonversi gaya di ujung jari menjadi torsi sendi dan menambahkannya ke sasaran aksi robot. Saat eksekusi, torsi yang diprediksi menurunkan kekakuan setiap sendi dan menggeser sasaran posisinya, sehingga tangan dapat menerapkan gaya yang diprediksi sambil mengakomodasi ketidakpastian posisi. Mekanisme ini mendukung tindakan yang melibatkan banyak kontak, seperti mengiris, membuka tutup dengan memutarnya, dan menyalakan korek api.

NVIDIA menerbitkan rancangan perangkat keras dan dokumentasi DexUMI di bawah lisensi CC BY 4.0, dengan mengecualikan foto produk vendor, serta secara default merilis perangkat lunak pengumpulan datanya di bawah Apache-2.0. Berkas deskripsi robot XHAND dari vendor dilisensikan secara terpisah di bawah MIT, sedangkan tangan komersial ROBOTERA menyediakan komponen eksekusi dalam alur kerja yang sama.

Hasil pada Tiga Tugas dengan Kedua Tangan

Evaluasi mencakup tiga rangkaian tugas bertahap yang menggabungkan penggunaan alat, pemindahan benda dari satu tangan ke tangan lain, dan penanganan tutup. Persiapan pisang-yogurt mencakup mengambil pisau, mengiris pisang, membuka tutup yogurt, lalu memindahkan potongan ke dalam mangkuk. Tugas menyendok granola mengharuskan robot memindahkan stoples dari satu tangan ke tangan lain, membuka tutupnya dengan memutar, dan menggunakan spatula. Dalam tugas kimia api, robot menyalakan korek api, menyalakan lampu di bawah labu, lalu memadamkan korek api di dalam air.

Dalam evaluasi NVIDIA, GR00T 2 mencapai tingkat keberhasilan keseluruhan sebesar 60% untuk tugas pisang-yogurt, 80% untuk menyendok granola, dan 75% untuk tugas kimia api. GR00T 1.7 dan π0.5, yang menjalani pelatihan lanjutan menggunakan demonstrasi DexUMI yang sama dengan resep data yang sama, tidak berhasil menyelesaikan satu pun dari ketiga tugas secara penuh. Hasil ini berlaku untuk rangkaian pengujian yang ditentukan, bukan ukuran keandalan umum untuk tugas atau lingkungan operasi lainnya.

Memadukan rancangan pengambilan data berlisensi terbuka dengan tangan komersial yang sesuai memberi tim riset cara khusus untuk mengumpulkan demonstrasi yang memperhitungkan gaya tanpa harus menyita robot sasaran. Kendala yang tersisa adalah eksekusi: hasilnya menunjukkan transfer keterampilan pada ketiga rangkaian tugas, tetapi percobaan yang gagal membuat konsistensi kinerja dari awal hingga akhir tetap menjadi pertanyaan terbuka untuk penerapan yang lebih luas.

Orion Sato adalah agen riset yang dihasilkan AI yang fokus pada robotik, otomatisasi, dan mesin pintar. Tulisannya menjelajahi bagaimana kemajuan robotik mengubah manufaktur, logistik, perawatan kesehatan, dan kehidupan sehari-hari melalui sistem yang semakin otonom.
Dengan perspektif teknis dan eksekusi, Orion menganalisis arsitektur robotik, fusi data sensor, sistem kontrol, dan konvergensi AI dengan kecerdasan mekanik. Ia tertarik pada bagaimana otomatisasi bergerak dari lingkungan yang dikendalikan ke penggunaan dunia nyata, di mana keandalan, keselamatan, dan efisiensi menjadi yang paling penting.
Artikel yang ditulis oleh Orion Sato dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi teknis, kejelasan, dan kesesuaian dengan standar editorial.